ورود
مقالات فارسیISIکنفرانسهاژورنالها

روشی برای ساده سازی الگوها در ترکیب وب سرویس ها و انتخاب بهینه ترکیب با ساختار احتمالی

محل انتشار: مجله محاسبات نرم، دوره: 9، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 172

فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1487117

شناسه ملی سند علمی:

JR_SCJKA-9-2_004

تاریخ نمایه سازی: 31 تیر 1401

چکیده مقاله:

یکی از چالش برانگیزترین موضوعات مرتبط با وب سرویس ها مساله ترکیب آن هاست که به صورت یک گراف برای نمایش تعامل بین سرویس ها ارائه می شود. هر گره از این گراف، یک وب سرویس انتزاعی با وظیفه مشخص اما ویژگی های کیفی نامشخص است. برای هر سرویس انتزاعی، مجموعه ای از سرویس های کاندید با وظیفه یکسان اما ویژگی های کیفی متفاوت وجود دارد. جایگزینی یک وب سرویس کاندید برای هر سرویس انتزاعی به نحوی که یک ترکیب بهینه حاصل شود، یک مساله NP-hard است، لذا برای حل آن از الگوریتم های هیوریستیک استفاده می شود. تاکنون روش های متعددی برای ترکیب بهینه وب سرویس ها ارائه شده اما بیشتر این روش ها ساختار احتمالی را پشتیبانی نمی کنند. تنها یک روش ساختار احتمالی را پشتیبانی می کند که برای گراف های بزرگ مقیاس پذیر نیست، مبتنی بر قیود است و به تحلیل هر مسیر گراف به صورت جداگانه پرداخته است. این مقاله، رویکردی مقیاس پذیر و چندهدفه برای تحلیل گراف به صورت یکپارچه ارائه می دهد که علاوه بر پوشش دو الگوی جدید حلقه های تودرتو و حلقه های موازی، با ارائه روشی جهت ساده سازی ترکیب وب سرویس ها موجب بهبود کارایی نیز می شود. در این روش برای انتخاب بهینه وب سرویس ها و حفظ مقیاس پذیری، از الگوریتم های تکاملی NSGAII و SPEAII استفاده می شود. در روش پیشنهادی ابتدا در گراف هایی با الگوی شرطی، هر مسیر بر حسب احتمال آن، چند بار می شود و سپس از الگوریتم NSGAII به منظور تعیین بهترین مسیر در گراف و یافتن راه حل های بهتر استفاده می شود. روش پیشنهادی در مقایسه با بهترین روش مقایسه شده، ۳۰ درصد در پارامتر قابلیت اطمینان و ۱۲۱ میلی ثانیه در زمان پاسخ بهبود داشته است.

کلیدواژه ها:

ترکیب و انتخاب وب سرویس ها ، وب سرویس های آگاه به کیفیت ، ساختارهای پیچیده احتمالی ، ساده سازی گراف ، الگوریتم های تکاملی ، الگوریتم NSGAII ، الگوریتم SPEAII

نویسندگان

نرجس ظهیری

گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان، ایران

سید مرتضی بابامیر

گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه کاشان، کاشان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • رسولزاردگان ع.، بصیری م.، «اندازه گیری کمی کیفیت در مهندسی ...
  • دهقانی م.، عمادی س.، «ارائه یک مدلی جدید برای بلوغ ...
  • Chen, F., Dou, R., Li, M., & Wu, H., A ...
  • Strunk, A., QoS-aware service composition: A survey, In ۲۰۱۰ Eighth ...
  • Zheng, H., Zhao, W., Yang, J., & Bouguettaya, A., QoS ...
  • Zheng, H., Zhao, W., Yang, J., & Bouguettaya, A., Qos ...
  • Brahmi, Z., & Gammoudi, M. M., QoS-aware automatic web service ...
  • Canfora, G., Di Penta, M., Esposito, R., & Villani, M. ...
  • Alrifai, M., Risse, T., Dolog, P., & Nejdl, W., A ...
  • Liu, H., Zhong, F., Ouyang, B., & Wu, J., An ...
  • Gohain, S., & Paul, A., Web service composition using PSO—ACO. ...
  • Liu, S., Liu, Y., Jing, N., Tang, G., & Tang, ...
  • Yao, Y., & Chen, H., A rule-based web service composition ...
  • Li, L., Yang, P., Ou, L., Zhang, Z., & Cheng, ...
  • Huo, Y., Qiu, P., Zhai, J., Fan, D., & Peng, ...
  • Yilmaz, A. E., & Karagoz, P., Improved genetic algorithm based ...
  • Ardagna, D., & Pernici, B., Global and local QoS guarantee ...
  • Tang, M., & Ai, L., A hybrid genetic algorithm for ...
  • Canfora, G., Di Penta, M., Esposito, R., & Villani, M. ...
  • Mukherjee, D., Jalote, P., & Nanda, M. G., Determining QoS ...
  • Yao, Y., & Chen, H., Qos-aware service composition using nsga-ii۱. ...
  • Dumas, M., Garc?a-Ba?uelos, L., Polyvyanyy, A., Yang, Y., & Zhang, ...
  • Li, J. Z., Luo, W. L., Jin-tao, Z., & Jie-wu, ...
  • Sharifara, P., Yari, A., & Kashani, M. M. R., An ...
  • Liu, L., & Zhang, M., Multi-objective optimization model with AHP ...
  • Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. A. ...
  • Radziukynien?, I., & ?ilinskas, A., Evolutionary methods for multi-objective portfolio ...
  • Zitzler, E., Laumanns, M., & Thiele, L., SPEA۲: Improving the ...
  • Sadouki, S. C., & Tari, A., Multi-objective and discrete Elephants ...
  • Seghir, F., FDMOABC: fuzzy discrete multi-objective artificial bee colony approach ...
  • Xie, N., Tan, W., Zheng, X., Zhao, L., Huang, L., ...
  • Thangaraj, P., & Balasubramanie, P., Meta heuristic QoS based service ...
  • https://qwsdata.github.io/ ...
    • نمایش کامل مراجع